طراحی سیستم هوشمند تفکیک پسماند با استفاده از بینایی ماشین و شبکه های عصبی کانولوشنی

افزایش تولید پسماندهای شهری و ناکارآمدی روش های سنتی تفکیک مدیریت شهری را با چالشی جدی در حوزه پایداری و کارآمدی خدمات شهری روبه رو کرده است. در سال های اخیر بهره گیری از فناوری های نوین مانند بینایی ماشین و شبکه های عصبی کانولوشنی (CNN) در سیستم های هوشمند تشخیص و تفکیک پسماند توجه بسیاری از پژوهشگران را به خود جلب کرده است. پژوهش حاضر با هدف طراحی یک چارچوب کاربردی برای توسعه سیستم هوشمند تفکیک پسماند در شهرهای ایران انجام شده است؛ سیستمی که بتواند با اتکا به داده های تصویری انواع پسماند خشک شامل پلاستیک، کاغذ، شیشه، فلز و پسماند آلی را با دقت بالا شناسایی و دسته بندی کند. در این مطالعه، ابتدا نمونه ای از داده های تصویری پسماند بر اساس استانداردهای مرسوم در پژوهش های بین المللی جمع آوری و پیش پردازش شد. سپس چند معماری معتبر شبکه های عصبی کانولوشنی که عملکرد آنها در مطالعات پیشین گزارش شده است از جمله ResNet، MobileNet و EfficientNet مورد ارزیابی اولیه قرار گرفتند. هدف این ارزیابی انتخاب معماری مناسب برای طراحی یک مدل سبک کم هزینه و قابل استقرار در زیرساخت های شهری بود. نتایج اولیه پژوهش های مشابه در ایران و سایر کشورها نشان می دهد که سیستم های مبتنی بر CNN قادرند دقتی بین ۸۵ تا ۹۵ درصد را در تفکیک پسماند ارائه دهند و می توانند به عنوان یک راهکار عملی در کاهش هزینه های مدیریت پسماند و افزایش نرخ بازیافت به کار گرفته شوند. این مقاله تلاش می کند با ترکیب مبانی نظری مدیریت شهری و قابلیت های هوش مصنوعی تصویری روشن از نحوه پیاده سازی عملی یک سامانه هوشمند تفکیک پسماند در شهرهای ایران ارائه دهد؛ سامانه ای که می تواند در آینده در ایستگاه های بازیافت، سطل های هوشمند و مراکز پردازش پسماند به کار گرفته شود.

کلیدواژه ها:

تفکیک پسماند ، مدیریت شهری ، بینایی ماشین ، شبکه عصبی کانولوشنی ، هوش مصنوعی ، بازیافت هوشمند